第79章 人工智障(第2/3頁)

習和深度學習以及自然語言處理是什麼，也是直接從AI那要來的文字，最後又介紹了一下計算機視覺這個幾乎被普通人遺忘的人工智慧。

“計算機視覺是使計算機能夠“看”和理解影象和影片的研究領域。它涉及影象識別、目標檢測、影象分割、人臉識別等技術。計算機視覺在安防監控、自動駕駛、醫療影像分析等領域有重要作用”。

“計算機視覺應用的還挺早的，比如打工人的噩夢人臉識別，靠機器識別人臉，判斷員工有沒有來上班”

“因為應用的太廣泛太成熟了，很多人都不不認為這是AI了，有些熟視無睹的感覺，現在又因為智慧車駕重新走進大眾的目光”。

“智慧車駕透過深度學習演算法能夠識別影象，如交通標誌、訊號燈、行人、車輛等，然後車輛能夠實時分析路況，並規劃出最優行駛路線，做出駕駛決策，能實現無人駕駛，而且有一定自主學習的能力了”。

當然，雖然現在的智慧車駕具備一定的自主學習能力，但目前智慧駕駛模型的訓練和最佳化依賴於高質量的資料，個人資料可能會導致模型的學習效果不佳，所以學習能力有限，還是主要依賴公司採集的資料”。

說到這，陳勇想起之前看到的一個影片，現在搜尋一下播放記錄，再讓眾人看一遍，那是一個智慧車駕強行擠入另一條車道的影片，評論區全在說這AI到底餵了什麼駕駛資料，開的和真人一樣，學著精髓了，糟粕那是全會了。

還有就是，很多人錯誤的把大語言模型等同於AI，其實是錯的，那只是AI的一種，在智慧水平方面，大語言模型被視為弱人工智慧的一種。儘管它們能夠處理複雜的自然語言任務，但它們的智慧水平仍然有限，無法像人類一樣進行真正的推理、學習和創造。大語言模型的能力主要集中在處理和理解人類語言上，而不是自主學習。大語言模型主要應用的領域是理解人類的白話，並完成各種自然語言處理任務，最多人用的就是機器翻譯、寫作輔助、問答系統、語音識別與語音合成、還有畫圖、合成影片。

.陳勇展示了一下畫圖功能，但很快就有人發現關鍵了。

這時有些人悄咪咪的想著：“能不能畫那些圖？”

結果這就上去了，應該是系統故意把他掛上去丟臉的，當然陳勇肯定沒去做，畢竟是全年齡段直播，在其他人聽到陳勇複述彈幕內容並且起鬨後，就畫了幾個中規中矩的帥哥美女圖，不過很快大家也就不感興趣了，並且發現AI作圖的問題。

“咦，這AI畫的圖，風格太鮮明瞭”。

“好像是怎麼回事，主播怎麼換關鍵詞，甚至要求畫什麼風格，結果都一樣”。

“這就是主播說的不能自主學習嗎，人即使不擅長某些畫，但至少能聽得懂，這AI就完全不懂，依舊按自己的來”。

“會不會是主播用的AI不行，導致這樣的”。

“有可能，但至少AI確實存在如主播所說的那般，終究不是電影那樣的”。

陳勇確實沒有使用多個AI進行對比，主要是沒必要，那些毛病確實是普遍存在的，而且也懶得去註冊，然後接著聊著：“所以綜上你們會看到，現在的AI就像一個聰明的白痴守著一座宮殿，那裡面全是技術人員給他的書籍，別人問問題，他能非常快速且精準的找到，但無法理解其中的內容，也無法判斷對錯，更無法自己去找新的書來充實自己，只能被動等待技術人員給他帶來新書”。

最後，陳勇還解釋了一下游戲裡普通AI與現實人工智慧的區別，神經網路他不懂，但unity寫有限狀態機和行為樹他懂啊，稍微展示了一下那些東西，最後再展示一下開源倉庫的專案程式碼，那龐大的檔案海洋讓他們見識了什麼叫做知識屬於人類而非屬於貴族，知識